慢性阻塞性肺疾病合并呼吸衰竭患者無創呼吸機治療失敗的影響因素及其風險預測列線圖模型構建

周大文，楊曉梅，趙文婷，劉文君，王璐

慢性阻塞性肺疾病（chronic obstructive pulmonary disease，COPD）的特點是持續的氣流受限，病情嚴重者會并發呼吸衰竭［1-3］。無創呼吸機由于具有創傷小、連接方便、并發癥少等優勢已廣泛應用于COPD合并呼吸衰竭的治療［4-5］。雖然無創呼吸機可迅速改善患者的通氣功能，在一定程度上提高患者的生存率，但仍有部分患者會出現治療失敗等情況，嚴重時甚至危及患者生命［6］。影響患者無創呼吸機治療失敗的因素較多，但尚未形成統一定論［7-8］，且未能構建有效的預測模型。基于此，本研究分析了COPD合并呼吸衰竭患者無創呼吸機治療失敗的影響因素，并建立其風險預測列線圖模型，以期為提高COPD合并呼吸衰竭患者無創呼吸機治療成功率提供參考。

1 對象與方法

1.1 研究對象 采用便利抽樣法選取2020年5月至2022年5月于淮安市第二人民醫院行無創呼吸機治療的COPD合并呼吸衰竭患者為研究對象。納入標準：（1）符合《慢性阻塞性肺疾病基層診療指南（2018年）》［9］中COPD的診斷標準；（2）符合《內科學》［10］中呼吸衰竭的診斷標準；（3）精神及交流溝通能力正常。排除標準：（1）合并其他呼吸系統疾病如支氣管哮喘、肺結核等者；（2）伴有嚴重心、肝、腎功能不全或異常者；（3）合并免疫缺陷及惡性腫瘤者；（4）有無創呼吸機治療禁忌證者；（5）其他疾病導致的呼吸衰竭者。采用結局變量事件數方法估計樣本量［11］，即每個自變量需5～10例患者，經本院50例小樣本測得COPD合并呼吸衰竭患者無創呼吸機治療失敗的發生率為26.0%（13/50），考慮到10%～20%的樣本可能不符合要求，因此，本研究所需的樣本量為16×10×（1+0.1）÷0.26=677例，最終納入樣本量為710例。將納入患者按照7︰3分為建模組（497例）及驗證組（213例）。建模組與驗證組臨床資料比較，差異無統計學意義（P＞0.05），見表1。本研究經淮安市第二人民醫院醫學倫理委員會批準。

表1 建模組與驗證組臨床資料比較Table 1 Comparison of clinical data between modeling group and validation group

1.2 資料收集 收集所有患者的臨床資料，包括年齡、性別、是否合并糖尿病、是否合并高血壓、吸煙史、機械通氣時間、COPD病程和治療前動脈血氧分壓（arterial partial pressure of oxygen，PaO2）、動脈血二氧化碳分壓（arterial partial pressure of carbon dioxide，PaCO2）、pH值、心率、呼吸頻率、血清白蛋白、C反應蛋白（C-reactive protein，CRP）及入院時格拉斯哥昏迷量表（Glasgow Coma Scale，GCS）評分、急性生理學與慢性健康狀況評分系統Ⅱ（Assessment of Acute Physiology and Chronic Health Status Ⅱ，APACHEⅡ）評分。

1.3 無創呼吸機治療失敗判定標準［12］（1）患者在撤機后6 h內無法進行自主呼吸，出現呼吸窘迫癥狀，且需要在撤機后48 h內再次進行通氣治療；（2）氧合指數難以維持在100 mm Hg（1 mm Hg=0.133 kPa）以上；（3）氣道內存在大量分泌物，呼吸困難未糾正，呼吸肌疲勞癥狀改善不明顯及使用血管活性藥物情況下血流動力學仍不穩定。

1.4 統計學方法 采用SPSS 22.0統計學軟件進行數據處理。計量資料符合正態分布以（±s）表示，兩組間比較采用獨立樣本t檢驗；計數資料以相對數表示，組間比較采用χ2檢驗；COPD合并呼吸衰竭患者無創呼吸機治療失敗的影響因素分析采用多因素Logistic回歸分析；采用R 4.1.0軟件包及rms程序包構建COPD合并呼吸衰竭患者無創呼吸機治療失敗的風險預測列線圖模型；采用Hosmer-Lemeshoe擬合優度檢驗評價該列線圖模型的擬合程度；繪制校準曲線以評估該列線圖模型預測COPD合并呼吸衰竭患者無創呼吸機治療失敗的效能；采用ROC曲線分析該列線圖模型對COPD合并呼吸衰竭患者無創呼吸機治療失敗的預測價值。以P＜0.05為差異有統計學意義。

2 結果

2.1 治療失敗組與治療成功組臨床資料比較 建模組497例COPD合并呼吸衰竭患者中，129例治療失敗，治療失敗率為26.0%，歸為治療失敗組；368例治療成功，歸為治療成功組。兩組性別、合并糖尿病者占比、合并高血壓者占比、有吸煙史者占比、COPD病程、治療前心率比較，差異無統計學意義（P＞0.05）；兩組年齡、機械通氣時間和治療前PaO2、PaCO2、pH值、呼吸頻率、血清白蛋白、CRP及入院時GCS評分、APACHEⅡ評分比較，差異有統計學意義（P＜0.05），見表2。

表2 治療失敗組與治療成功組臨床資料比較Table 2 Comparison of clinical data between treatment failure group and treatment success group

2.2 COPD合并呼吸衰竭患者無創呼吸機治療失敗影響因素的多因素Logistic回歸分析 以建模組COPD合并呼吸衰竭患者無創呼吸機治療結果為因變量（賦值：治療失敗=1，治療成功=0），以單因素分析差異有統計學意義的變量〔年齡（賦值：＞60歲=1，≤60歲=0）、機械通氣時間（實測值）、治療前PaO2（實測值）、治療前PaCO2（實測值）、治療前pH值（實測值）、治療前呼吸頻率（實測值）、治療前血清白蛋白（實測值）、治療前CRP（實測值）、入院時GCS評分（實測值）、入院時APACHEⅡ評分（實測值）〕為自變量，進行多因素Logistic回歸分析，結果顯示，年齡、機械通氣時間、治療前PaO2、治療前PaCO2、治療前血清白蛋白、治療前CRP、入院時APACHEⅡ評分是COPD合并呼吸衰竭患者無創呼吸機治療失敗的影響因素（P＜0.05），見表3。

表3 COPD合并呼吸衰竭患者無創呼吸機治療失敗影響因素的多因素Logistic回歸分析Table 3 Multivariate Logistic regression analysis of influencing factors of noninvasive ventilator treatment failure in patients with COPD and respiratory failure

2.3 COPD合并呼吸衰竭患者無創呼吸機治療失敗的風險預測列線圖模型構建及驗證 基于多因素Logistic回歸分析結果，構建COPD合并呼吸衰竭患者無創呼吸機治療失敗的風險預測列線圖模型，見圖1。Hosmer-Lemeshoe擬合優度檢驗結果顯示，建模組該列線圖模型擬合較好（χ2=6.355，P=0.607），驗證組該列線圖模型擬合較好（χ2=6.337，P=0.591）。校準曲線分析結果顯示，該列線圖模型預測建模組和驗證組COPD合并呼吸衰竭患者無創呼吸機治療失敗的校準曲線貼近理想曲線，見圖2、3。ROC曲線分析結果顯示，該列線圖模型預測建模組和驗證組COPD合并呼吸衰竭患者無創呼吸機治療失敗的AUC分別為0.871〔95%CI（0.848，0.915）〕、0.872〔95%CI（0.819，0.925）〕，見圖4、5。

圖1 COPD合并呼吸衰竭患者無創呼吸機治療失敗的風險預測列線圖模型Figure 1 Nomogram model for predicting the risk of noninvasive ventilator treatment failure in patients with COPD and respiratory failure

圖2 列線圖模型預測建模組COPD合并呼吸衰竭患者無創呼吸機治療失敗的校準曲線Figure 2 Calibration curve of nomogram model for predicting noninvasive ventilator treatment failure in patients with COPD and respiratory failure in modeling group

圖3 列線圖模型預測驗證組COPD合并呼吸衰竭患者無創呼吸機治療失敗的校準曲線Figure 3 Calibration curve of nomogram model for predicting noninvasive ventilator treatment failure in patients with COPD and respiratory failure in validation group

圖4 列線圖模型預測建模組COPD合并呼吸衰竭患者無創呼吸機治療失敗的ROC曲線Figure 4 ROC curve of nomogram model for predicting noninvasive ventilator treatment failure in patients with COPD and respiratory failure in modeling group

圖5 列線圖模型預測驗證組COPD合并呼吸衰竭患者無創呼吸機治療失敗的ROC曲線Figure 5 ROC curve of nomogram model for predicting noninvasive ventilator treatment failure in patients with COPD and respiratory failure in validation group

3 討論

COPD是常見的呼吸系統疾病，若未能及時治療，會造成呼吸衰竭等不良結局，具有較高的致殘率及致死率，嚴重危害人們的身心健康［13-14］。隨著醫療技術的進步，采用無創呼吸機治療COPD合并呼吸衰竭患者獲得了較好效果［15-16］。但部分患者受多種因素影響造成無創呼吸機治療失敗，這不僅延長了患者的住院時間，也會增加患者的死亡率［17-18］。本研究就COPD合并呼吸衰竭患者無創呼吸機治療失敗的危險因素構建風險預測列線圖模型，以期為提高患者治療效果及改善患者預后提供依據。

本研究結果顯示，COPD合并呼吸衰竭患者無創呼吸機治療失敗率為26.0%，多因素Logistic回歸分析結果顯示，年齡＞60歲、機械通氣時間延長、治療前PaO2降低、治療前PaCO2升高、治療前血清白蛋白降低、治療前CRP升高、入院時APACHEⅡ評分升高是COPD合并呼吸衰竭患者無創呼吸機治療失敗的危險因素。高齡患者合并基礎疾病概率較高，免疫功能較弱，易出現不良反應。此外，老年患者理解能力和接受能力較差，以上均增加了治療難度，導致無創呼吸機治療失敗發生率升高。機械通氣時間延長，患者發生醫院獲得性肺炎的風險增加，甚至影響患者的血流動力學，導致無創呼吸機治療失敗發生率升高［19-20］。PaO2及PaCO2是人體血氣分析指標，二者可用于評估人體的血氧狀態及肺功能［21-22］。相關研究表明，PaO2、PaCO2可以用于臨床評估患者是否需要進行氣管插管［23］。CRP是反映機體炎性反應的因子，同時可反映COPD嚴重程度［24］，其水平越高，表明疾病嚴重程度越重。已有研究表明，CRP水平越高，無創呼吸機治療失敗率也越高［25］，本研究結果與其一致。白蛋白水平可用于臨床評估患者的營養狀態，當血清白蛋白水平較低時，表明患者存在營養不良，抵抗力較弱，極易導致無創呼吸機治療失敗。APACHEⅡ評分是反映疾病嚴重程度的指標，評分越高表示患者病情越嚴重，無創呼吸機治療失敗發生率越高。

本研究基于上述7項指標，構建了COPD合并呼吸衰竭患者無創呼吸機治療失敗的風險預測列線圖模型，該列線圖模型擬合較好，且該列線圖模型預測建模組和驗證組COPD合并呼吸衰竭患者無創呼吸機治療失敗的AUC分別為0.871〔95%CI（0.848，0.915）〕、0.872〔95%CI（0.819，0.925）〕。提示本研究構建的COPD合并呼吸衰竭患者無創呼吸機治療失敗的風險預測列線圖模型具有良好的臨床適用性，可為早期篩選無創呼吸機治療失敗的高危人群提供參考。

綜上所述，年齡＞60歲、機械通氣時間延長、治療前PaO2降低、治療前PaCO2升高、治療前血清白蛋白降低、治療前CRP升高、入院時APACHEⅡ評分升高是COPD合并呼吸衰竭患者無創呼吸機治療失敗的危險因素，以此構建的風險預測列線圖模型有助于預測COPD合并呼吸衰竭患者無創呼吸機治療失敗發生風險。但本研究樣本來自單中心，數據代表性有限，可能導致結果存在偏倚，還需要多中心、大樣本量研究進一步驗證及優化本研究結果。

作者貢獻：周大文、王璐進行文章的構思與設計，研究的實施與可行性分析，論文的撰寫及修訂；楊曉梅、劉文君進行資料收集；趙文婷進行資料整理；周大文、趙文婷、王璐進行統計學處理；王璐負責文章的質量控制及審校，對文章整體負責、監督管理。

本文無利益沖突。